本文来自微信公众号： 机器之心 ，编辑：冷猫，作者：关注AI4S的，原文标题：《AGI将至！40项实验全面SOTA，超级递归智能体自主打造最强材料基座模型》
今年，我们正在打开AI自我进化的大门，按下了通往AGI的加速键。
我们相信，AI的自我进化是突破当前Scaling瓶颈的关键路径，这一点也是硅谷在去年年末就已经形成的共识。
Anthropic联合创始人Jack Clark发帖称，他认为到2028年底，递归自进化（recursive self-improvement）发生的概率有60%，AI很快就能自己改造自己了。
而在上周，OpenAI公开招聘「递归自我改进安全研究员」，年薪开到44万美元，目标是寻找「能够支持递归式自我改进准备工作的强大技术执行者」。
而在AI4S领域更是不得了，Nature发表了三篇AI科研智能体论文。
Google DeepMind的Co-Scientist在急性髓系白血病药物筛选中命中了3个阳性候选分子；FutureHouse的Robin系统自主完成了从假设生成到实验验证的完整闭环；Google的ERA引擎能并行生成数千个代码变体进行计算实验。
AI智能体自我迭代飞轮的启动，需要智能体自主从代码重构、数据清洗到模型训练，最终独立产出超越人类精心设计的SOTA模型。
这第一步已经启动了。就在本周，深度原理团队发布了Materials Property Axiom（MPA）模型。
这个由深度原理团队自研的AI Scientist平台MIRA，通过递归自训练产出的材料基座模型，在40项实验性质预测任务中全面刷新了SOTA，平均MAE降低10%，最高降幅达51%。
研究报告提到，在整个研究流程中，MIRA承担了关键工作，包括开展初步研究、适配并更新骨干基础模型、自动化训练与评估循环、分析实验结果，并撰写报告初稿。
技术报告链接：https://www.deepprinciple.com/papers/mpa.pdf
这或许是「AI for AI」概念迄今为止最具说服力的一次落地。
前SOTA的暴力美学
2026年3月，上海科学智能研究院发布了Suiren-1.0，一个参数量达1.8B的分子基座模型家族，一举击败长期霸榜的UniMol系列模型。
320张NVIDIA H800 GPU、7000万条量子化学级别的分子构象数据，Suiren走的是一条典型的「暴力美学」路线。
但Suiren有一个结构性盲区。
它的训练数据和优化目标主要围绕计算性质展开，也就是那些可以通过量子化学软件批量算出来的性质。而在实际的材料研发中，决定一个分子能不能用的是实验性质：沸点、闪点、毒性、溶解度等等。
实验性质预测为什么难？实验数据天然稀疏，一次实验可能花几天；噪声大，不同实验室测出来的值可能不同，而且不同性质背后的物理机制完全不同。靠堆数据和堆参数，解决不了这种物理多样性带来的迁移难题。
这正是MPA切入的突破口。
递归自训练：MIRA从自主科研到新SOTA的诞生
AutoResearch架构：从自动化科研开始
MPA的诞生过程，与传统的「人类设计实验、手动调参、反复试错」模式截然不同。
深度原理团队构建了一套基于MIRA的AutoResearch架构，仅需人类科学家参与意图说明和阶段性审核，AI科研智能体即可全自主完成从文献调研、代码实现、数据处理到模型训练的完整科研管线。
具体而言，MIRA在这套架构中扮演的角色类似于一个全栈科研员：它能够理解研究目标，自主拆解任务，调用计算资源执行实验，分析中间结果并据此调整策略。整个过程形成递归闭环，每一轮迭代的输出成为下一轮的输入，模型性能在自主循环中持续攀升。
这和Self-Improving Agent的研究方向不谋而合，但深度原理将其落地到了一个可量化验证的科学问题上。
自主重构：AI改写AI的代码
AI科研同样需要先动脑子后动手。
举个例子，团队向MIRA抛出一个开放性问题：「考虑到目前已经具备3D分子结构和实验性质标签，最可行的多性质预测模型是什么？」
MIRA启动了brainstorm，系统性地分析了当时可选的所有路径，认为UniMol系列的3D预训练编码器是最合理的起点。
MIRA给出了几条改进路径，最终推荐了保留UniMol-v2的3D Transformer骨架，增加多构象感知能力和面向实验性质的对齐训练的方案。
这个决策过程完全由MIRA自主完成。人类研究员的角色，是提出问题和确认方向。
随后，MIRA对现有的分子基座模型代码进行自主重构。这个过程包括：识别架构中的冗余模块，重新设计数据流管线以适配三阶段训练框架，以及将预训练、中间训练和后训练三个阶段的接口标准化。重构后的代码库成为MPA三阶段训练框架的工程基础。
值得强调的是，这种代码级的自主重构能力，正是MIRA区别于任何一个科研工具的关键。它操作的对象不仅是超参数空间，而是整个模型架构和训练管线的源代码。
自主清理：AI的「科研直觉」
在准备训练数据的过程中，MIRA展现出了一种接近人类科研直觉的能力：自主发现数据中的系统性问题。
MPA的下游基准包含40个实验性质预测任务，数据来源涵盖OPERA、Yaws手册、CRC化学物理手册、TDC、MoleculeNet等多个公开数据库。这些数据集由不同团队在不同时期整理，存在单位不一致、重复样本、标签噪声等问题。
MIRA在数据预处理阶段自主执行了多阶段清洗管线。更关键的是，它能够基于物理常识判断数据的合理性。例如，当某个分子的沸点数据与其分子量和官能团组成明显不匹配时，MIRA会将其标记为可疑数据点并从训练集中移除。
这种能力在传统流程中需要领域专家花数周人工审查。MIRA把它变成了自动化流程的一部分。
自主设计：三阶段训练框架的诞生
在完成代码重构和数据清洗后，MIRA进入了最核心的环节：自主设计和迭代训练策略。
MPA最终采用的三阶段训练框架（预训练、物理对齐中间训练、下游后训练），其核心设计思想来自一个类比：大语言模型的训练范式。在LLM中，广泛的预训练之后是领域对齐的中间训练，最后是任务特定的微调。MIRA将这一范式迁移到材料基座模型，但做了一个关键的物理学改造：中间训练的监督信号必须与下游目标共享物理机制。
预训练阶段：基于PubChem-xTB数据集（约6400万分子结构），采用几何恢复的3D自监督目标，让模型学习通用的分子空间表征。
物理对齐中间训练：这是MPA的核心创新。MIRA在迭代过程中发现，并非所有辅助任务都能提升下游性能，只有与目标性质共享物理机制的辅助监督才有效。
后训练阶段：MIRA在迭代中还自主发现了两个关键改进。第一，将MSE损失替换为Huber损失，在scaffold split下带来2.65%的MAE降低，有效抑制了实验数据中异常值的干扰。第二，设计了混合读出头（hybrid readout），将注意力池化分支与原子加和分支结合。
其中注意力分支提供灵活的非加和分子摘要，适合强度性质；加和分支强制原子级分解，适合广延性质。可学习系数α让模型自动适配不同性质的物理结构。
这个设计的精妙之处在于，它将物理先验编码进了模型架构本身。对于热力学量（生成焓、燃烧焓、热容等），加和分支提供了天然匹配的归纳偏置，scaffold split下MAE降低高达21.38%。对于非加和性质（闪点等），注意力分支则占据主导。
最终战绩
MPA的最终版本，配合三阶段训练框架（预训练→物理对齐的中间训练→后训练），成绩单如下：
与仅进行预训练的模型结构相比，40个实验性质中38个获得提升，平均误差降低14.0%
热力学性质优势最突出：燃烧焓误差降低51.1%，吉布斯自由能降低31.6%
与Suiren正面对决：40个可比端点中赢下35个，平均误差再降5.4%
分布外泛化鲁棒性最强：面对全新分子骨架时，MPA的性能退化仅25.7%，而Suiren为31.8%
最后一点尤其重要。在实际材料发现中，你要预测的往往是从未见过的新分子。MPA在这种「真正的考试」中表现最稳，这才是它对产业界最有价值的地方。
迭代实录，进化的飞轮已经转动
之前讲的那些干净利落的模型架构和成就全新SOTA的实验结果，背后是MIRA在一个月时间内尝试的上百轮「假设→验证→调整」循环。
每一轮，MIRA根据之前的结果自主决定下一步做什么。上百轮尝试贯穿了数据整合与计算、模型架构调整、训练策略迭代、损失函数设计、超参数优化，以及推理阶段的优化与增强。其中，数据、模型架构、损失函数及推理阶段的的升级成就了MPA的SOTA表现。
在数据侧，MIRA做了三次有效的尝试。MIRA在分析了模型的表现后判断：模型从预训练直接跳到下游微调，中间缺了一层「物理直觉」。为此，MIRA使用使用deep research、计算化学相关的技能——yamo，最终得到了理论计算的热力学、偶极矩等数据，在此基础上，MIRA从文献中获取了油水分配系数（logP）数据集，并自主完成了一个关键步骤：将基准测试中出现过的分子从训练集中剔除，以避免数据泄漏风险。在这三次数据叠加中，MPA实现了MAE降低6.5%、7.5%，最终降低8.4%的表现。
到这里，MIRA做出了一个关键判断：继续堆数据的边际收益在递减，应该转向模型结构的改进。它发现下游微调阶段只用了简单的多层感知机（MLP）做预测头，还有很大的改进空间。
接下来的十几轮迭代中，MIRA在模型结构方面做了两次有效的尝试，在第一次改进中，MIRA将MLP替换为了多头注意力机制，MAE又降低了1.8%。在另一次改进中，MIRA发现了一个物理层面的规律：40个实验性质，有一部分具有「广延性」，即性质值随分子大小线性缩放，另一部分则是「强度性质」，和分子大小无关，因此在多头注意力之外，MIRA增加一条原子级embedding经过残差网络后求和的通路。这条通路显式表达了广延性质「各部分之和等于整体」的物理规律。这个发现让MAE继续降低至12.3%。模型学会了「什么性质该用什么物理假设」。
在损失函数和模型推理测，MIRA在迭代中做了发现了两种有效的策略，一种是将损失函数从MSE换成Smooth L1（Huber损失），这降低了少数极端值对模型训练的拖累，使得MPA在benchmark中的MAE又降低了1.3%；一种是在推理阶段加入了多构象信息聚合，这有效的提升了模型在构象相关性质上的表现。最终，MAE降低至14.6%。
如果AI能在材料科学这样一个高度专业化的领域自主完成从0到SOTA的全流程，那它在其他科学领域呢？在AI for AI本身呢？
MIRA做的事情，本质上是用AI来改进AI。它重构了一个AI模型的代码，优化了这个AI模型的训练数据，迭代了这个AI模型的训练策略，最终产出了一个更强的AI模型。人类在这里的角色已经从「执行者」变成了「目标设定者」，AI在用AI做原料，产出更好的AI。
一旦这个飞轮转起来，每一圈都比上一圈转得更快。
从Coding Agent自动写代码，到Research Agent自动做科研，再到Self-Improving Agent自动改进自身，AI智能体的能力边界正在以一种加速度向外扩展。每一次成功的递归迭代，都在缩短我们与AGI之间的距离。
递归进化的齿轮已经转动，AGI可能比我们预想的来得更快。